1 提出问题：如何实现广告的精准投放

实现广告的精准投放就是最大化投入产出的过程，需要知道我们的用户在哪里，在哪些渠道能够更大化用户价值，以及各个渠道用户价值的变化规律。通过对渠道方式和渠道质量的追踪，以引流和转化率为关键事件，做好渠道的优化和维护。

本文通过研究阿里天池数据，仅从渠道，投放时间，投放人群，以点击率为数据指标进行数据分析，从而给出更好的方案和建议，实现高效率高产出。如何评估渠道质量确定投放优先级

2 数据来源

2.1 数据源

2.2 数据理解

(1)user_profile.csv.tar.gz

(2)ad_feature.csv.tar.gz

(3)raw_sample.csv.tar.gz

表user_profile反映的是用户信息，表ad_feature反映的是广告属性信息，表raw_sample反映的是用户行为信息。数据集不存在投入产出字段，命题转化为以浏览量、点击率作为数据指标，进行数据分析。

3 分析思路广告投放数据分析

4 数据存储

将数据源存储在MYSQL数据库中，且变更数据存储空间大小。

4.1 计算各个广告的点击次数

由于数据量巨大，宕机时间长，选择部分数据分析，以下计算各个广告的点击次数。

-- 1 各个广告总点击次数SELECT raw_sample.adgroup_id, count(*) AS arise_count

FROM raw_sample

GROUP BY adgroup_id

ORDER BY arise_count DESC;

4.2 选择子集

筛选广告点击凑数最多的710164作为新的数据集建表

-- 2 新建表CREATE TABLE IF NOT EXISTS 710164_sample

(

userid INT NOT NULL,

time_stamp VARCHAR(100) NOT NULL,

adgroup_id VARCHAR(20) DEFAULT NULL,

pid VARCHAR(100) DEFAULT NULL,

nonclk VARCHAR(20) DEFAULT NULL,

clk VARCHAR(20) DEFAULT NULL

)engine=innodb default charset=utf8;

将筛选数据插入数据表中

-- 3 将查询数据插入表中INSERT INTO 710164_sample

SELECT * FROM raw_sample

WHERE adgroup_id = '710164';

创建视图作为中间桥梁

-- 4 创建视图CREATE VIEW per_group_an AS

SELECT s.userid,

FROM_UNIXTIME(s.time_stamp,'%Y-%m-%d') AS 'clk_date',

FROM_UNIXTIME(s.time_stamp,'%k') AS 'clk_time',

s.pid,

s.nonclk,

s.clk,

u.new_user_class_level,

u.age_level,

u.final_gender_code,

u.pvalue_level,

u.occupation,

u.shopping_level

FROM 710164_sample AS s, user_profile AS u

WHERE u.userid = s.userid;

-- 5 查询视图数据SELECT * FROM per_group_an;

-- 6 观察一下价格SELECT price

FROM ad_feature

WHERE adgroup_id = '710164';

5 数据分析

5.1 分析不同渠道点击率

SELECT p.pid, COUNT(*) AS arise_count,

SUM(p.clk) AS clk_count,

CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio

FROM per_group_an AS p

GROUP BY p.pid

ORDER BY clk_ratio DESC;

由于渠道有限，仅从2个渠道源分析来看，430548_1007需要继续维护渠道，提高转化率，430548_1007需要加大渠道投入，做好引流。

5.2 分析不同投放时间点击率

5.2.1 每日各时间段点击率分析

SELECT p.clk_time, COUNT(*) AS arise_count,

SUM(p.clk) AS clk_count,

ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,

CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy

FROM per_group_an AS p

GROUP BY p.clk_time

ORDER BY clk_ratio DESC;

可知：

a. 在浏览量达到一定数据时，每日的上午10点、下午3点的点击率出现了小高峰。

b. 晚上由9点开始浏览量主键提升，但点击率相对于前段时间较低，说明多数用户是目的性流量走低。

c. 深夜0-2点点击率超过12%，推测原因，可能是浏览量较低，偶然性提升，也可能是这部分人群的目的性较强，如果能获知这些人群画像，能高效的做好营销转化。

说明，目标客户在深夜转化的可能性更高。

5.2.2 每周各天点击率分析

SELECT DATE_FORMAT(p.clk_date,'%w') AS week_day, COUNT(*) AS arise_count,

SUM(p.clk) AS clk_count,

ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,

CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy

FROM per_group_an AS p

GROUP BY DATE_FORMAT(p.clk_date,'%w')

ORDER BY clk_ratio DESC;

可知，周六、日，周一点击率较高，浏览量也不低，说明这几天带来的收益是更大的。

5.2.3 各天各时间段分析

SELECT DATE_FORMAT(p.clk_date,'%w') AS week_day, clk_time,

COUNT(*) AS arise_count,

SUM(p.clk) AS clk_count,

ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,

CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy

FROM per_group_an AS p

GROUP BY DATE_FORMAT(p.clk_date,'%w'),clk_time

ORDER BY clk_ratio DESC;

5.3 分析人群特征点击率

5.3.1 各年龄层次人群点击率分析

SELECT age_level, COUNT(*) AS arise_count,

SUM(p.clk) AS clk_count,

ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,

CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy

FROM per_group_an AS p

GROUP BY age_level

ORDER BY clk_ratio DESC;

可知

a. 广告投放在1/2/5年龄层带来的点击率更高，需要从时间维度考虑，增大广告投入对这三个年龄层的效果。

b. 对与年龄层6，可以从时间维度考虑增大样本投入后会不会有更大的点击率，从而判定是否需要更多的投入。

c. 对比年龄层1/5和3，说明可以放弃对年龄层3的投入，最好增加时间维度和投入资源维度。

d. 年龄层0需要投入更多的资源，观察效果后判定舍去与否。

5.3.2 各个消费等级人群点击率分析

SELECT p.pvalue_level,

COUNT(*) AS arise_count,

SUM(p.clk) AS clk_count,

ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,

CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy

FROM per_group_an AS p

GROUP BY pvalue_level

ORDER BY clk_ratio DESC;

可知，高档人群点击率偏低仅有7.13%，原因可能是产品的客单价是109，不符合这类人群的需求。

5.3.3 各购物深度人群点击率分析

SELECT p.shopping_level,

COUNT(*) AS arise_count,

SUM(p.clk) AS clk_count,

ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,

CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy

FROM per_group_an AS p

GROUP BY shopping_level

ORDER BY clk_ratio DESC;

可知，中、深度用户点击率略高，如果逐步转化至付费阶段，相比于浅度用户，中、深度用户后续付费根能行会更大。

5.3.4 各职业(是否大学生)人群点击率分析

SELECT p.occupation,

COUNT(*) AS arise_count,

SUM(p.clk) AS clk_count,

ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,

CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy

FROM per_group_an AS p

GROUP BY occupation

ORDER BY clk_ratio DESC;

可知，大学生的点击率略高，但总体区分度不大，说明样本用户群体对710164敏感度差异性不大，可能是价格109属于平价款的原因。

5.3.5 各城市等级人群点击率分析

SELECT p.new_user_class_level,

COUNT(*) AS arise_count,

SUM(p.clk) AS clk_count,

ROUND(SUM(p.clk)/COUNT(*),4) AS clk_ratio,

CONCAT(ROUND(SUM(p.clk)/COUNT(*) * 100,2),'%') AS clk_ratio_copy

FROM per_group_an AS p

GROUP BY new_user_class_level

ORDER BY clk_ratio DESC;

可知，等级城市2浏览量和点击率较高，需要持续投入，4可以继续投入观察效果，1/3可考虑舍弃。

6 结论和建议

6.1 渠道分析

只有2个渠道，区分度不大，从引流和转化的角度看，430548_1007需要继续维护渠道，提高转化率，430548_1007需要加大渠道投入，做好引流。

6.2 投放时间分析

加大对深夜0-2点时间段广告投放，周六、日和周一，投放效果更好。

6.3 人群分析

(1)加大对年龄层1/2/5年龄层投放效果，建议减少对高档人群的投放，加大对中深度用户投放，加大对城市等级2/4投放，广告对职业不敏感，建议取消这部分投入

(2)多维度下其他特征，可以结合时间维度，多做测试，然后取舍。